XiaoMi-AI文件搜索系统
World File Search SystemSSV
普吉特湾 - 第六舰队 - 布雷默顿基地
希望你们都一切顺利！我已经更新了每月在 Zoom 上举行的布雷默顿基地会后会议的时间表。此时间表将一直有效，直至另行通知。很多事情取决于我们何时能够再次参加会议。因此，在此期间，我们可以每月聚会一次，分享一些海上故事和笑话，并互相了解情况。会议没有真正的格式。会议定于 10:30 举行，但实际上是在 Bowman 指挥官会议结束后开始的。会议将持续一个小时或更长时间，直到所有人离开。如果您不能立即加入，您可以在可以的时候加入，而不必参加整个会议。请随时与可能想要加入的其他基地成员分享此信息。此会议目前计划在每个月的第三个星期六举行，直到 2021 年 7 月，如果需要，届时将延长。我已在下面列出登录信息。每个月的信息都相同。所有时间均为太平洋时间。如果您想拨打电话，请列出电话号码。如果您没有摄像机，您仍然可以加入我们，只是我们看不到您。如果有人没有使用 Zoom，并想在会议前尝试，请联系我。如果有任何问题，请随时通过电话或电子邮件联系我。希望很快见到你！
通过跨域转移学习促进基于模板的SSVEP解码
抽象目标。本研究旨在建立一个广义的转移学习框架，以通过利用跨域数据传输来提高稳态视觉诱发电位（SSVEP）基于脑部计算机界面（BCIS）的性能。方法。我们通过结合了最小二乘转换（LST）的转移学习来增强基于最新的模板的SSVEP解码，以利用跨多个域（会话，主题和脑电图蒙太奇）利用校准数据。主要结果。研究结果验证了LST在跨域传输现有数据时消除SSVEP的可变性的功效。此外，基于LST的方法比标准与任务相关的组件分析（TRCA）的方法和非第一个天真转移学习方法明显更高的SSVEP解码精度。意义。这项研究证明了基于LST的转移学习能够在各种情况下对其原理和行为进行深入研究，从而利用主题和/或设备的现有数据。当校准数据受到限制时，提出的框架显着提高了标准TRCA方法的SSVEP解码精度。其在校准减少方面的性能可以促进基于SSVEP的BCIS和进一步的实用应用。
评估刺激颜色和频率对SSVEP的影响
摘要：大脑 - 计算机接口（BCI）可以通过注册和处理脑电图（EEG）信号来提取有关受试者意图的信息，以生成对物理系统的操作。稳态视觉诱发的电位（SSVEP）是当受试者凝视着视觉刺激时产生的。通过光谱分析并测量其谐波含量的信噪比（SNR），可以识别观察到的刺激。刺激颜色很重要，一些作者提出了红色，因为它具有吸引注意力的能力，而另一些作者则拒绝了它，因为它可能会诱发癫痫发作。绿色也已提出，据称白色可能会产生最好的信号。关于频率，尽管尚未彻底研究高频，但声称中间频率产生了最佳的SNR，并且由于该频带的自发性脑活动较低，因此可能是有利的。在这里，我们以三个频率显示白色，红色和绿色刺激：5（低），12（中）和30（高）Hz至42个受试者，并进行比较以找到可以产生最佳SNR的。我们的目标是知道对白色的响应是否像红色一样强，并且对高频的响应是否与较低频率触发的响应一样强。注意力。方差分析（ANOVA）显示了具有中间频率的最佳SNR，其次是低，最终是高频率的。白色在12 Hz时给出了红色的SNR，绿色为5 Hz，在30 Hz时没有差异。这些结果表明中间频率是可取的，并且可以避免使用红色。相关性分析还显示了注意力低频与SNR之间的相关性，因此表明对于低频，更多的注意力能力会带来更好的结果。
SSVEP在感知填充过程中追踪注意力而不是意识
1个心理科学学院，澳大利亚墨尔本莫纳什大学医学院，护理与健康科学学院； 2英国牛津大学医学院实验心理学系； 3墨尔本墨尔本大学心理科学学院，澳大利亚墨尔本； 4澳大利亚堪培拉大学卫生学院心理学学科； 5特纳大脑与心理健康研究所，澳大利亚墨尔本莫纳什大学医学院，护理与健康科学学院； 6日本苏亚国家信息与通信技术学院（NICT）信息与神经网络中心（Cinet）； 7高级电信研究计算神经科学实验室，2-2-2 Hikaridai，Seika-Cho，Soraku-Gun，京都，日本，日本
实用SSVEP BCI
摘要：与替代方法相比，由于较高的信息传输速率和最少的训练设置更容易设置，大脑计算机界面（BCI）的稳态视觉诱发电位（SSVEP）方法很受欢迎。具有精确生成的视觉刺激频率，可以将大脑信号转换为外部动作或信号。传统上，使用或不带有凝胶的电极从枕骨区域收集SSVEP数据，通常安装在头顶上。在这项实验研究中，我们开发了一个入耳式电极来收集四个不同频率的SSVEP数据，并将其与枕头皮电极数据进行比较。来自五个参与者的数据证明了基于耳电极的SSVEP的可行性，显着增强了可穿戴BCI应用的可实用性。
使用COMMON
个人的活动和行为完全通过脑电波控制[1]。通过神经系统将来自大脑的信号传递到人体的每个器官。由于神经肌肉疾病（包括肌萎缩性侧索硬化症（ALS）和锁定综合征）引起的，个体的运动功能丢失了[2]。在这些情况下，个人无法使用任何智力或表达方式与他人进行交流[3]。要提出澄清，研究人员正试图发现广泛的辅助设备。BCI的想法正在研究人员在这些辅助设备中进行广泛研究。在每种BCI技术中，都将特定的认知任务解释到设备命令中，该任务可用于处理辅助设备[4] [3]。脑部手术轮椅，家庭设备控制，机器人臂指挥，拼写技术，工作量识别和身份验证检测系统是广泛采用的BCI应用程序[5] [6]。
基于生物活性涂层的生物过滤，以减少室内空气voc
这项工作旨在设计，开发和评估基于稳态视觉诱发电位（SSVEP）的BCI系统。 div>该应用程序是通过Valladolid大学生物医学工程小组创建的Medusa平台开发的。 div>为此，在Python中实现了应用程序的图形接口和信号处理方法。 div>所研究的BCI系统是一个拼写器，可让您通过在SSVEPS EEG中检测到矩阵单元中代表的命令。 div>后者是由视觉刺激在一定刺激频率下引起的。 div>在审查了最新的现状后，得出的结论是，实现这一目标的最佳方法是通过关节频率案例编码范式和规范处理方法相关性分析。 div>
BETA：面向 SSVEP-BCI 应用的大型基准数据库
脑机接口 (BCI) 提供了一种替代的交流方式，在过去 20 年里引起了人们日益增长的兴趣。具体来说，对于基于稳态视觉诱发电位 (SSVEP) 的 BCI，频率识别方法和数据共享已经有了显著的改进。然而，这个领域的公共数据库数量仍然有限。因此，我们在研究中提出了一个面向 BCI 应用的 BE 基准数据库 (BETA)。BETA 数据库由 70 名执行 40 个目标提示拼写任务的受试者的 64 通道脑电图 (EEG) 数据组成。BETA 的设计和获取是为了满足现实世界应用的需求，它可以用作这些场景的试验台。我们通过一系列分析验证了数据库，并对 BETA 上的十一种频率识别方法进行了分类分析。我们建议分别使用宽带信噪比 (SNR) 和 BCI 商来表征单次试验和人群水平的 SSVEP。BETA 数据库可从以下链接下载 http://bci.med.tsinghua.edu.cn/download.html。
使用 EMOTIV EEG 耳机为 BCI 平台 DIY 混合 SSVEP-P300 LED 刺激
本文讨论了一种完全可定制的板载芯片 (COB) LED 设计，可同时诱发两种大脑反应（稳态视觉诱发电位 (SSVEP) 和瞬态诱发电位 P300）。考虑到脑机接口 (BCI) 中可能的不同模式，SSVEP 被广泛接受，因为它需要的脑电图 (EEG) 电极数量较少且训练时间最短。这项工作的目的是制作一个混合 BCI 硬件平台，以精确诱发 SSVEP 和 P300，同时减少疲劳并提高分类性能。该系统包括四个独立的径向绿色视觉刺激，由 32 位微控制器平台单独控制以诱发 SSVEP，以及四个以随机间隔闪烁以生成 P300 事件的红色 LED。该系统还可以记录可用于分类的 P300 事件时间戳，以提高准确性和可靠性。通过控制乐高机器人向四个方向移动，测试了混合刺激的实时分类准确性。2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可证开放获取的文章（http://creativecommons.org/licenses/by/4.0/）。
使用快速准确的 SSVEP 脑机接口...
摘要 — 本文介绍了一种处理和分类视觉诱发电位信号 (SSVEP) 的原创方法。它介绍了一种将典型相关分析与基于功率谱密度的方法相结合的集成学习模型。所用的刺激物是使用 LED 构建的，范围从 7.04 Hz 到 38.46 Hz。使用 ADS1299 和三个干电极收集数据。针对不同的光强度和 LED 之间的不同距离进行了测试。总共招募了 22 名参与者，平均准确率为 99.1 ± 2.27%，决策时间为 1 秒。据我们所知，这些结果超过了之前在 SSVEP-BCI 中使用高频刺激的其他作品中发表的结果，即平均准确率约为 90%，决策时间为 5 秒。索引术语 — 典型相关分析、脑机、EEG、视觉诱发电位、SSVEPC。